检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2025年

作者：熊岚堃张桂梅刘晖群马尚可南昌航空大学计算机视觉研究所江西省肿瘤医院胸内科

结合Swin Transformer与CNN的混合模型被证明是医学图像分割的有效方法，但混合模型中2种网络提取的特征存在语义鸿沟，直接融合导致模型的分割精度不理想. 并且Swin Transformer在patch内部的像素层面建模能力不足. 针对上述问题， ... 详细信息

结合Swin Transformer与CNN的混合模型被证明是医学图像分割的有效方法，但混合模型中2种网络提取的特征存在语义鸿沟，直接融合导致模型的分割精度不理想. 并且Swin Transformer在patch内部的像素层面建模能力不足. 针对上述问题，提出结合轴向增强Transformer与CNN双编码的医学图像分割方法. 对于特征间的语义鸿沟问题，在编码阶段引入特征融合模块，使用交叉融合、跨域增强和通道空间注意力模块对2种网络提取的特征进行有效融合，保持语义的一致性和有效性，以增强模型表达能力; 对于Swin Transformer的像素层面建模能力不足问题，使用轴向增强Transformer编码器，从高度和宽度2个维度考虑像素之间的相关性，提高模型在像素层面的建模能力，从而提高分割精度. 在GlaS， MoNuSeg， JSRT和ISIC2018这4个医学图像数据集上进行实验，并与主流分割模型进行比较，结果表明，所提方法在不同的数据集中均获得最优Dice， IoU，精确率和召回率，可用于多种医学图像的分割.

关键词： Transformer 卷积神经网络双编码器图像分割医学图像

来源：评论

学校读者我要写书评

暂无评论

基于去冗余特征和语义关系约束的零样本属性识别

引用

模式识别与人工智能 2021年第9期34卷 809-823页

作者：张桂梅龙邦耀曾接贤黄军阳南昌航空大学计算机视觉研究所南昌330063

基于生成式的零样本识别方法在生成特征时受冗余信息和域偏移的影响,识别精度不佳.针对此问题,文中提出基于去冗余特征和语义关系约束的零样本属性识别方法.首先,将视觉特征映射到一个新的特征空间,通过互相关信息对视觉特征进行去冗余... 详细信息

基于生成式的零样本识别方法在生成特征时受冗余信息和域偏移的影响,识别精度不佳.针对此问题,文中提出基于去冗余特征和语义关系约束的零样本属性识别方法.首先,将视觉特征映射到一个新的特征空间,通过互相关信息对视觉特征进行去冗余处理,在去除冗余视觉特征的同时保留类别的相关性,由于在识别过程中减少冗余信息的干扰,从而提高零样本识别的精度.然后,利用可见类和不可见类之间的语义关系建立知识迁移模型,并引入语义关系约束损失,约束知识迁移的过程,使生成器生成的视觉特征更能反映可见类和不可见类之间语义关系,缓解两者之间的域偏移问题.最后,引入循环一致性结构,使生成的伪特征更接近真实特征.在数据集上的实验证实文中方法提高零样本识别任务的精度,并具有较优的泛化性能.

关键词：去冗余特征语义关系约束零样本识别域偏移属性识别

来源：评论

学校读者我要写书评

暂无评论

结合自集成和对抗学习的域自适应城市场景语义分割

引用

模式识别与人工智能 2021年第1期34卷 58-67页

作者：张桂梅鲁飞飞龙邦耀缪君南昌航空大学计算机视觉研究所南昌330063

针对城市场景标签获取的高额成本问题,文中提出结合自集成和对抗学习的域自适应城市场景语义分割方法.对于源域和目标域的较大域间差异问题,采用风格转换的方法将源域数据集合成具有目标域风格的新数据集,作为新的源域数据集,从而有效... 详细信息

针对城市场景标签获取的高额成本问题,文中提出结合自集成和对抗学习的域自适应城市场景语义分割方法.对于源域和目标域的较大域间差异问题,采用风格转换的方法将源域数据集合成具有目标域风格的新数据集,作为新的源域数据集,从而有效减少源域与目标域的域间差异.对于目标域的域内差异问题,引入自集成方法,构造教师网络,利用教师网络在目标域分割图上通过一致性约束监督与指导学生网络,从而减小目标域的域内差异,提高分割精度.采用自训练的方法获得目标域的伪标签,将伪标签加入对抗学习方法中,重新训练网络模型,进一步提高模型的分割能力.在数据集上的分割实验表明文中方法的有效性.

关键词：自集成对抗学习域自适应城市场景语义分割

来源：评论

学校读者我要写书评

暂无评论

结合迁移引导和双向循环结构GAN的零样本文本识别

引用

模式识别与人工智能 2020年第12期33卷 1083-1096页

作者：张桂梅龙邦耀鲁飞飞南昌航空大学计算机视觉研究所南昌330063

为了提高基于生成对抗网络(GAN)的零样本识别方法的识别精度,提出结合迁移引导和双向循环结构GAN的零样本文本识别方法.构造双向循环结构GAN以提高模型的生成能力,生成的伪特征更接近输入的真实特征.引入迁移引导学习的思想,使用迁移后... 详细信息

为了提高基于生成对抗网络(GAN)的零样本识别方法的识别精度,提出结合迁移引导和双向循环结构GAN的零样本文本识别方法.构造双向循环结构GAN以提高模型的生成能力,生成的伪特征更接近输入的真实特征.引入迁移引导学习的思想,使用迁移后的文本代替可见类文本训练模型,提高不可见类文本的识别精度.增加有效的正则化项,使生成器在训练过程中生成的结果具有多样性,提高生成模型的稳定性.在数据集上的实验表明,文中方法可提高识别精度,具有较好的泛化性能,容易拓广到其它应用中.

关键词：迁移引导双向循环结构零样本学习文本识别

来源：评论

学校读者我要写书评

暂无评论

基于不确定性引导和尺度一致性的肾肿瘤图像分割方法

引用

模式识别与人工智能 2023年第2期36卷 95-107页

作者：侯冰震张桂梅彭昆南昌航空大学计算机视觉研究所南昌330063

针对肾肿瘤图像分割中的边界模糊和特征丢失问题,在RAUNet(Residual Attention U-Net)的基础上,提出基于不确定性引导和尺度一致性的肾肿瘤图像分割方法.针对肾肿瘤图像边界模糊问题,在解码层引入不确定性引导模块,根据不确定性自适应... 详细信息

针对肾肿瘤图像分割中的边界模糊和特征丢失问题,在RAUNet(Residual Attention U-Net)的基础上,提出基于不确定性引导和尺度一致性的肾肿瘤图像分割方法.针对肾肿瘤图像边界模糊问题,在解码层引入不确定性引导模块,根据不确定性自适应分配权重,弱化错误像素点的影响,提高模型的边界定位能力.针对下采样引起的特征丢失问题,提出尺度注意力模块和特征一致性损失,利用多尺度融合策略融合不同尺度特征,并与编码器底部特征进行尺度一致性约束,缓解特征丢失问题.在公开数据集KiTS19上的肾脏和肾肿瘤的图像分割实验表明,文中方法提高肾肿瘤的分割精度.此外,由于文中方法引入不确定性引导模块,分割结果具有较好的可靠性.

关键词：图像分割不确定性引导尺度一致性注意力模块肾肿瘤

来源：评论

学校读者我要写书评

暂无评论

基于可变形卷积和多尺度特征聚焦的X线图像非刚性配准

引用

生物医学工程学杂志 2023年第3期40卷 492-498,507页

作者：彭昆张桂梅王杰储珺南昌航空大学计算机视觉研究所南昌330063

非刚性配准在医学图像分析中有着重要的作用。U-Net被证明是医学图像分析的研究热点,被广泛应用于医学图像配准中,然而现有的基于U-Net及其变体的配准模型在处理复杂形变时,学习能力不足,且没有充分利用多尺度上下文信息,导致配准精度... 详细信息

非刚性配准在医学图像分析中有着重要的作用。U-Net被证明是医学图像分析的研究热点,被广泛应用于医学图像配准中,然而现有的基于U-Net及其变体的配准模型在处理复杂形变时,学习能力不足,且没有充分利用多尺度上下文信息,导致配准精度不够理想。针对该问题,本文提出了一种基于可变形卷积和多尺度特征聚焦模块的X线图像非刚性配准算法。该算法首先使用残差可变形卷积替代原U-Net的标准卷积,以增强配准网络对图像几何形变的表达能力;然后使用步长卷积代替下采样操作的池化运算,以缓解连续池化导致的特征丢失问题;此外在编、解码结构的桥接层中引入多尺度特征聚焦模块,以提高网络模型集成全局上下文信息的能力。理论分析和实验结果均表明提出的配准算法能聚焦多尺度上下文信息,能够处理具有复杂形变的医学图像,配准精度有一定提高,适合胸部X线片的非刚性配准。

关键词：可变形卷积多尺度特征非刚性配准医学图像

来源：评论

学校读者我要写书评

暂无评论

结合单双行人DPM模型的交通场景行人检测

引用

电子学报 2016年第11期44卷 2668-2675页

作者：曾接贤程潇南昌航空大学计算机视觉研究所江西南昌330063

针对日常交通场景下,行人目标易被遮挡,影响行人检测效果的问题,提出一种结合单行人和双行人DPM模型的交通场景行人检测方法.该方法首先从INRIA、ETH等行人数据集中提取训练样本的DPM特征,通过Latent SVM方法训练得到单、双人DPM模型;... 详细信息

针对日常交通场景下,行人目标易被遮挡,影响行人检测效果的问题,提出一种结合单行人和双行人DPM模型的交通场景行人检测方法.该方法首先从INRIA、ETH等行人数据集中提取训练样本的DPM特征,通过Latent SVM方法训练得到单、双人DPM模型;然后采用分类检测方法,将交通场景行人分为单独分布行人和混合分布行人两类.检测时首先使用双行人模型SDP-DPM对目标图像进行目标匹配,如果没有检测到双行人目标,则判定为单独分布行人情况,转而使用单行人模型SP-DPM进行检测,并保存检测结果;如果检测到双行人目标,则判定为混合分布行人情况,此时先保存对应的双行人滤波响应,再使用单行人模型进行二次检测,并将两次检测的结果进行加权结合.实验结果表明,本文算法能够在行人相互遮挡严重的交通环境下,有效检测出行人,整体精度优于传统的DPM算法和当前行人检测的主要流行算法.

关键词：行人检测 DPM 遮挡交通场景

来源：评论

学校读者我要写书评

暂无评论

采用环形模板的棋盘格角点检测

引用

光学精密工程 2013年第1期21卷 189-196页

作者：储珺郭卢安政赵贵花南昌航空大学计算机视觉研究所江西南昌330063

曝光过度和镜头畸变将分别导致棋盘格角点分离和角点局部区域不对称,现有的角点检测算法难以准确提取棋盘格角点。为此本文提出了一种图像坐标系下基于环形模板的棋盘格角点检测算法。该算法通过分析棋盘格角点附近的灰度分布应满足的... 详细信息

曝光过度和镜头畸变将分别导致棋盘格角点分离和角点局部区域不对称,现有的角点检测算法难以准确提取棋盘格角点。为此本文提出了一种图像坐标系下基于环形模板的棋盘格角点检测算法。该算法通过分析棋盘格角点附近的灰度分布应满足的对称性和灰度交替性等性质,得出环形模板卷积后的图像应满足的性质。利用该性质来定义并提取棋盘格角点,最后利用局部冗余角点分布的对称性来去除冗余角点,使角点检测更精确从而使提取的角点直接达到亚像素精度。实验结果表明:本文提出的棋盘格角点检测算法在曝光过度,镜头畸变和复杂背景情况下均能取得较好的棋盘格角点检测效果,且运算速度快,误差小。将该算法应用于实际摄像机标定,结果显示重投影误差在0.3个像素以内。

关键词：棋盘格角点角点检测环形模板摄像机标定

来源：评论

学校读者我要写书评

暂无评论

基于薄膜振动模型的曲线匹配方法

引用

电子学报 2013年第10期41卷 1917-1925页

作者：张桂梅马珂储珺广南昌航空大学计算机视觉研究所江西南昌330063

提出了一种基于薄膜振动模型的仿射不变曲线描述子.本文针对两种类型的曲线匹配进行研究:若尔当曲线和开曲线.对于若尔当曲线,首先将若尔当曲线进行标准化,消除仿射畸变对曲线匹配的影响,然后应用有限元方法在标准化曲线的区域内求解Hel... 详细信息

提出了一种基于薄膜振动模型的仿射不变曲线描述子.本文针对两种类型的曲线匹配进行研究:若尔当曲线和开曲线.对于若尔当曲线,首先将若尔当曲线进行标准化,消除仿射畸变对曲线匹配的影响,然后应用有限元方法在标准化曲线的区域内求解Helmholtz方程的本征值构造曲线描述子;对于开曲线,首先应用欧氏距离变换对开曲线建立窄带模型形成封闭区域,然后提取窄带的若尔当曲线代替原开曲线,最后利用若尔当曲线匹配的方法提取曲线描述子,实现开曲线的匹配.用图像库中的图像和真实图像进行实验,结果表明本文方法要优于现有的傅里叶形状描述方法和Zernike矩描述方法.

关键词：曲线匹配薄膜振动若尔当曲线 Helmholtz方程窄带模型

来源：评论

学校读者我要写书评

暂无评论

基于遮挡检测和时空上下文信息的目标跟踪算法

引用

模式识别与人工智能 2017年第8期30卷 718-727页

作者：储珺朱陶缪君江烂达南昌航空大学计算机视觉研究所南昌330063

基于时空上下文信息的目标跟踪算法利用目标与背景之间的时空关系,在一定程度上解决静态遮挡问题,但当目标出现较大遮挡或快速运动目标被背景中物体遮挡(动态遮挡)时,仍然会出现跟踪不准确或跟丢的情况.基于此种情况,文中提出基于遮挡... 详细信息

基于时空上下文信息的目标跟踪算法利用目标与背景之间的时空关系,在一定程度上解决静态遮挡问题,但当目标出现较大遮挡或快速运动目标被背景中物体遮挡(动态遮挡)时,仍然会出现跟踪不准确或跟丢的情况.基于此种情况,文中提出基于遮挡检测和时空上下文信息的目标跟踪算法.首先利用首帧图像中压缩后的光照不变颜色特征构造并初始化时空上下文模型.然后利用双向轨迹误差对输入的视频帧进行遮挡情况判断.如果相邻帧间目标区域特征点的双向匹配误差小于给定阈值,说明目标未出现严重遮挡或动态遮挡,可以利用时空上下文模型进行准确跟踪.否则利用文中提出的组合分类器对后续帧进行目标检测,直至重新检测到目标,同时对上下文模型和分类器进行在线更新.在多个视频帧序列上的测试表明,文中算法可以较好地解决复杂场景下较严重的静态遮挡和动态遮挡问题.

关键词：目标跟踪上下文信息遮挡检测组合分类器

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：